R语言多列时间聚合需求：按时间分组计算列对均值

首先确认一下你的需求：你需要基于Time列分组，对每组分别计算x与y的合并非NA均值、a与b的合并非NA均值、j与k的合并非NA均值——也就是把每组内对应两组列的所有有效数值（非NA）合并后取均值，对吧？

下面用dplyr来实现，因为你的数据已经是tibble格式，用tidyverse工具处理起来更顺手：

步骤1：加载依赖包 #

如果还没安装dplyr，先运行install.packages("dplyr")，然后加载：

library(dplyr)

步骤2：分组计算均值 #

直接用管道流完成分组和汇总：

aggregated_df <- df %>%
  group_by(Time) %>%
  summarise(
    # 合并x和y的非NA值计算均值
    xy_mean = mean(c(x, y), na.rm = TRUE),
    # 合并a和b的非NA值计算均值
    ab_mean = mean(c(a, b), na.rm = TRUE),
    # 合并j和k的非NA值计算均值
    jk_mean = mean(c(j, k), na.rm = TRUE)
  )

代码解释 #

• group_by(Time)：把所有相同Time值的行归为一组，后续计算都是基于每组进行
• summarise()：生成汇总结果，每个参数对应一个新的汇总列：
  • mean(c(x, y), na.rm = TRUE)：将当前分组中x和y的所有值拼接成一个向量，忽略NA后计算均值，得到该组的xy_mean
  • 另外两个计算逻辑完全一致，分别处理a&b、j&k的组合

结果示例 #

运行代码后，你会得到符合预期格式的输出，前几行示例如下：

# A tibble: 7 × 4
   Time xy_mean ab_mean jk_mean
  <dbl>   <dbl>   <dbl>   <dbl>
1  100      4.5     7.5     1  
2  100.1    7      NA       4  
3  100.2    8       3.33    5.33
4  100.3    7       4.75    3.75

处理全NA的情况 #

如果某个分组里对应的两个列全是NA（比如Time=100.4的j和k列全是NA），上面的代码会返回NaN。如果想把这些NaN替换成NA，可以修改代码：

aggregated_df <- df %>%
  group_by(Time) %>%
  summarise(
    xy_mean = ifelse(all(is.na(c(x, y))), NA, mean(c(x, y), na.rm = TRUE)),
    ab_mean = ifelse(all(is.na(c(a, b))), NA, mean(c(a, b), na.rm = TRUE)),
    jk_mean = ifelse(all(is.na(c(j, k))), NA, mean(c(j, k), na.rm = TRUE))
  )

这样处理后，全NA的分组对应的均值会显示为NA，结果更整洁。

内容的提问来源于stack exchange，提问作者Kathiravan Meeran